一、上面所介绍的都是将文档表示为T维词条权向量的。但用户可能提出的查询中的词条不在用在索引文档的词条中。 二、例如,从词条相似性的角度来看,词条“数据挖掘”和“知识发现”设有什么直接的共同点。然而,从语义角度来看,这两个词条有很大的相同点

针对材料在自然土壤环境中的腐蚀预测问题,提出应用多层线性模型对材料的腐蚀规律进行研究.多层线性模型是分析具有层次结构数据的新型统计技术,对于地区间土壤腐蚀规律的差异性特点和单地区实验观测样本不足的问题,可以为不同的区域分别建立腐蚀率模型,使模型假设与实际更为吻合.以碳钢在土壤中的腐蚀数据为研究对象,建立了腐蚀率的多层线性模型.实验验证了该模型可以准确地拟合和预测碳钢在土壤的腐蚀率变化,优于指数平滑算法和差分自回归移动平均算法

一、传统存储技术,网络附加存储,存储区域网络, isCS存储技术 二、NAS存储案例,SAN存储案例,光纤通道存储交换机有关问题。 三、备份与恢复的概念、类型及技术。备份设备和介质的选择、备份软件的选择及方案选择。 四、Windows2000的数据备份、还原、系统修复与磁盘容错

一、介绍根据内容检索的基本概念。 二、介绍检索系统的评介方法。讨论针对文本数据的根据内容检索问题,集中讨论向量空间表示,以及文档中匹配查询的算法、隐含语义索引和文档分类。介绍用于对个人偏好建模的自动推荐系统

购物篮是顾客在一次事务中所购买项的集 合,所谓事务是一个明确定义的商业行为。 事务数据库研究的一个最普通的例子就是 寻找项的集合,或叫做项集。包含个项的 项集被称为i-项集。包含该项集的事务的百 分数叫做该项集的支持度。支持度超过指 定阈值的项集叫做频繁项集

多维事务数据库DB的结构为 (ID,AA2,, Anitems),A是DB中的结构化 属性(例如顾客的年龄,职业收入等),而 items是同事务连接的项的集合(例如购物篮 中频繁项集)。每一个 t=(id,aa 2..2 items-t)由两部分信息组成: 维信息(a1,a2man)项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集

多维事务数据库DB的结构为 (ID,A,AAn, items),A是DB中的结 构化属性(例如顾客的年龄,职业收入等), 而 items是同事务连接的项的集合(例如购 物篮中频繁项集)。每一个 t=(id,aa2man,items--t)由两部分信息 组成:维信息(a1,a2man)和项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集

一、分析观测环境中的归纳学习的一般模型。 二、解释学习机器如何从它所支持的函数集中选择一个近似函数。 三、介绍回归和分类问题的风险函数的概念

本章学习目标 ·了解广域网提供的两种类型的服务 ·了解路由选择机制,路由选择算法及拥塞控制原理 ·掌握IP地址的分类,IP地址与MAC地址的转换与ARP协议 ·掌握IP地址的申请、分配管理与子网划分,子网掩码的运 用 了解IP数据报的格式与工作原理、ICMP的作用 ·了解IPv6的机理和工作模式

一、信息表示与编码 二、常用的数据压缩技术 三、静态图像压缩标准JPEG 四、运动图像压缩编码标准MPEG 五、视听通信编码解码标准H.26X 六、声音压缩技术